Publikationen

Artikel

Hydrologische Modelle sind im Wesentlichen Computerprogramme, die die Abflussmengen in einem Fluss bei einer spezifischen Regenmenge simulieren. Diese Modelle müssen für ein bestimmtes Einzugsgebiet etwas angepasst werden, damit der berechnete Abfluss mit einem gemessenen Abfluss übereinstimmt. Wenn die Modelle auf ein Einzugsgebiet eingestellt sind, kann man sie brauchen um Hoch- und Niedrigwasser vorherzusagen.


In dieser Studie haben wir untersucht, ob Abflussschätzungen von Passanten für die Anpassung von hydrologischen Modellen geeignet sind. Da wir noch nicht genug Daten aus der CrowdWater App hatten, haben wir künstliche Abflusszeitreihen mit Datenpunkten zu verschiedenen Zeitpunkten erstellt (z.B. ein Punkt pro Woche oder pro Monat). Zusätzlich haben wir Fehler, basierend auf Abflussschätzungen von 136 Befragten im Raum Zürich, zu den Daten hinzugefügt. Diese Daten entsprachen dann einer Zeitreihe, wie man sie erwarten könnte, wenn Passanten regelmässig Abflussmengen an einem Fluss schätzen. Diese künstlichen Zeitreihen wurden dann gebraucht um Modelle für sechs Schweizer Einzugsgebiete anzupassen. Die Ergebnisse zeigen, dass solche Schätzungen von ungeübten Beobachtern für die Modellanpassung zu ungenau wären. Falls diese Fehler allerdings (um ca. die Hälfte) reduziert werden könnten und im Schnitt pro Woche ein Wert während eines Jahres beigetragen würde, so hätten diese Daten einen Mehrwert gegenüber einer Situation wo keine Abflussdaten vorhanden sind. Ein solch angepasstes Modell könnte dann in Kombination mit einer Wettervorhersage für eine Hochwasservorhersage genutzt werden.

Etter, S., Strobl, B., Seibert, J., and van Meerveld, H. J. I.: Value of uncertain streamflow observations for hydrological modelling, Hydrol. Earth Syst. Sci., 22, 5243-5257, https://doi.org/10.5194/hess-22-5243-2018, 2018.

Link zum Artikel


Kampf, S., B. Strobl, J. Hammond, A. Anenberg, S. Etter, C. Martin, K. Puntenney-Desmond, J. Seibert, and I. van Meerveld (2018), Testing the waters: Mobile apps for crowdsourced streamflow data, Eos, 99, https://doi.org/10.1029/2018EO096355. Published on 12 April 2018.
Link zum Artikel

van Meerveld, H. J. I., Vis, M. J. P., and Seibert, J.: Information content of stream level class data for hydrological model calibration, Hydrol. Earth Syst. Sci., 21, 4895-4905, https://doi.org/10.5194/hess-21-4895-2017, 2017.
Link zum Artikel

Poster

Catchment Science Gordon Research Conference and Seminar – Ilja van Meerveld
Can citizens observe what models need? Evaluation of the potential value of crowd-sourced stream level observations for hydrological model calibration

Österreichische Citizen Science Konferenz 2018 – Barbara Strobl
CrowdWater als Bereicherung des Unterrichts?

Tag der Hydrologie 2018 – Jan Seibert
CrowdWater – Können Menschen messen was hydrologische Modelle brauchen?
Dieses Poster hat den Posterpreis 2018 in der Kategorie „Innovativste Studie“ gewonnen.

EGU 2018 – Simon Etter
Can citizens observe what models need?

MOOC

Ein MOOC (Massive Open Online Course) ist ein öffentlicher Online-Kurs im grösseren Stil. Wie in einem traditionellen Universitätskurs setzten sich Lernende über einen gewissen Zeitraum mit einem Thema auseinander. Jegliche Wissensvermittlung passiert jedoch online. Im MOOC „Wasser in der Schweiz“ können verschiedene Vorlesungen und Feldfilme angeschaut werden, sowie Lernkontrollen und praktische Aufträge gelöst werden. Der MOOC ist gegliedert in sieben Module, die je während einer Woche bearbeitet werden sollen.

CrowdWater hat sich an diesem MOOC der Universität Zürich beteiligt.

Klicke hier für einen Trailer oder die Kurswebseite.